← 返回全部情报
Asana 怎样把智能体当队友管:每个智能体有岗位、权限上限和档案页,只有管理员能改它的长期记忆,所有工作都在共享任务里留痕 的封面

·Claude Blog(Anthropic)·企业实践收录 2026-10-06

Asana 怎样把智能体当队友管:每个智能体有岗位、权限上限和档案页,只有管理员能改它的长期记忆,所有工作都在共享任务里留痕

AsanaAnthropic人机协作团队AI teammatesWork Graph共享记忆权限MCPCommand by Asana续约风险

一句话结论

Anthropic「人机协作团队」系列第三篇采访 Asana 首席产品官 Arnab Bose:Asana 让智能体直接在原有的 Work Graph 里工作,像同事一样有岗位、被分配任务、出现在动态里;每个智能体有档案页,实际权限不超过触发它的那个人,任何人都能对单次任务提反馈,但只有管理员和编辑能把反馈写进长期记忆;文章还介绍了答疑分流、每日续约风险简报和用 Command 管理自动编码循环三个实际岗位。

打开原文 Claude Blog:Agents you can coach: how Asana builds human-agent teams with Claude

背景与理念

这篇文章发布于 2026 年 9 月 29 日,是 Anthropic「构建人机协作团队」系列的第三篇,前两篇分别讲了 Anthropic 内部的多人 AI 实践,以及 Slack 如何把工作对话变成智能体需要的上下文。这一篇关注的问题是:当智能体和团队在同一个平台上工作时,会发生什么变化。

Asana 在引入智能体之前很多年就在做 Work Graph 模型,把每一个任务、项目、目标和对话都放进一张关系网里,标明负责人、参与者和依赖关系。开始做智能体时,他们决定不为 AI 另建上下文结构,而是让智能体在同一个模型里工作:有明确的角色,被分配任务,读写消息,和人类同事一起出现在动态流里,只是在可访问和可分享的内容上加了额外的保护。

Arnab Bose 的总结是:今天每个团队都是「一部分人、一部分智能体」,要设计的是一份人和智能体都能使用的共享上下文,给每个智能体一个独立身份以便审计它的贡献和权限,再加上一份持久的学习记录,让团队的知识不断累积而不是流失。

具体做法

第一,先把工作想清楚、结构化,再让智能体动手。在 Asana,Claude 是员工默认的 AI 工具,连接着 Google Drive、Slack 和 Asana。Arnab 说,一个人理清一天的工作,是把想法、Slack 对话、Zoom 会议录音、Databricks 报表、Google Docs 里的信息这些非结构化材料拿来和 Claude 讨论,再把结果放进 Asana 的项目和任务结构里;结构建好后,智能体才能在上面行动。

第二,给每个智能体一个岗位,以及完成岗位所需的工具和权限。员工可以像和同事合作一样,在任何项目里和智能体协作,每人都会拿到一份推荐智能体清单。智能体按岗位或工作类型来建,比如内容撰写、洞察分析、项目经理、需求受理、营销活动分析和协调,每个都带有基于 Asana 对客户工作方式研究的预置技能,以及 HubSpot、文档盘等所需集成。

每个智能体都有一个档案页,列出名称和用途、谁能用它、管理员、指令、技能、集成和权限。Arnab 说 Asana 是一个「受控的工作界面」,你可以只授权特定项目、特定文档或两者组合。智能体和人一样受显式权限控制,还多一层保护:Asana 表示,智能体的实际权限以触发它的那个人的权限为上限,这样它可以广泛访问公开内容,同时降低有人借它拿到它在私密场景里学到的信息的风险。

第三,把「和智能体一起工作」与「训练智能体」分开。Asana 称这些智能体为 AI teammates,核心特性是共享记忆,多位用户可以复用它从之前指令中保留的信息。任何人都能对某个任务给智能体反馈,但只有管理员和编辑能把反馈写进永久记忆,或撤销、删除记忆;其他人的反馈只对当前任务生效。比如公司的语气和风格由传播团队把关,所以写作智能体的编辑和管理员是他们,Arnab 可以用它起草,但改不了它的行为。他说大多数人根本不需要碰技能、行为、记忆这些概念,团队里有一两个人成为专家、把它设置好,其他人都能受益。

第四,让智能体的工作留在所有人都看得到的地方。任务分给 AI 队友后,大家都能看到是智能体在做、做了什么,它会把研究计划和步骤贴在任务里,有权限的人都能阅读、评论并引导它。Arnab 举例说,传播团队请他审一份演讲简报,他在任务里 @ 智能体,让它把他之前一次演讲的讲稿也考虑进去,同事能同时看到他的请求和智能体的回复并参与来回讨论。他认为一对一用 AI 也能得到好结果,但其他审阅的人就不知道提示是什么、来回讨论了什么,有分歧也很难对齐。

第五,三个已经交给智能体的岗位。其一是答疑:产品上新后,销售和客户成功人员在 Slack 频道里提问,频道里的 Asana 应用把每个问题变成任务交给智能体;有批准过的答案就附来源链接回复,没有答案且暴露产品缺口时就在产品团队的需求受理项目里建任务,同一个问题反复出现时,就给赋能团队建任务去更新培训资料和文档。其二是续约风险简报:客户体验团队做了一个叫 At-Risk Renewal 的 AI 队友,读取全球所有风险续约任务里客户成功经理的更新、状态备注和评论,每天早上生成按「积极势头、消极势头、建议跟进」三栏组织的结构化简报,先看全球再按区域拆分,自动推送给首席客户官、首席营收官和各区域负责人,他们可以追问并让智能体记住要点,让下一期更好。其三是工程排期:Asana 在自家产品上跑自动编码循环时,周期和发布都被大量自动生成的改动拖慢了,Arnab 说「代码生成已经不再是瓶颈,瓶颈在规划、决策和打磨」,于是工程团队用 Command by Asana 管理这个循环。

关键数据/例子

智能体岗位示例:内容撰写、洞察分析、项目经理、需求受理、营销活动分析、营销活动协调。

权限设计:智能体的实际权限以触发者的权限为上限;只有管理员和编辑能写入、撤销或删除永久记忆,其他人的反馈只作用于当前任务。

续约简报:覆盖全球数千个客户的风险续约任务,每天早上自动推送,按积极势头、消极势头、建议跟进三栏组织,先全球后分区域。过去首席客户官 Josh Abdulla 每周手工汇总,Arnab 说「Josh 是在领导告诉他时才知道问题,而不是在数据第一次显示时」。

Command 的用法:一个团队空间对应一个产品的 10 到 12 名工程师;智能体从客户反馈和 Slack 反馈频道评论里生成工单放进「未计划」看板,由人决定哪些进入本周期;Command 给出乐观、平衡、保守三种完成时间预测;工单可以分给人,也可以分给编码智能体。

MCP 接入:这些数据通过 Asana 的 MCP 服务器开放,Arnab 或 CTO 可以直接问 Claude 哪些项目进度正常,而不必打开 Command。

创新点

第一,不为智能体另造一套上下文,而是让它住进人已经在用的工作模型。任务、负责人、依赖关系本来就在 Work Graph 里,智能体直接继承这些结构,人和智能体看到的是同一份事实。

第二,「权限不超过触发者」是一条简单有效的防泄露规则。它让一个共享智能体既能广泛读取公开信息,又不会因为被不同的人调用而把私密内容转手给无权查看的人。

第三,把「谁能教它」做成明确的角色。任务级反馈人人可给,长期记忆只有负责该标准的团队能改,这解决了共享智能体被众人「教歪」的问题。

第四,承认自动编码之后瓶颈转移到了规划。Asana 用自家产品把智能体生成的工单纳入人主导的排期和预测,是把「代码不再稀缺」落到流程管理上的具体做法。

可否复用

  1. 先给智能体写「岗位说明书」再创建它:写清用途、指令和它负责的具体工作,像给新员工定第一季度目标一样。
  2. 把智能体的实际权限限定在触发者权限之内:共享智能体按调用人的权限取数,避免借智能体越权访问。
  3. 区分使用者和训练者:任何人都能对单次任务给反馈,只有指定的少数管理员能修改智能体的长期记忆和行为。
  4. 让智能体在共享任务里贴出计划和步骤:审阅者能看到请求、过程和结果,并能直接修改指令。
  5. 把重复答疑做成「回答、记缺口、提醒补文档」三分流:有标准答案就附来源回复,没有就转给产品团队,反复出现就通知赋能团队更新资料。

笔记会在输入时自动保存。